Estadística para Ingeniería - Variable Aleatoria

Estadstica para Ingeniera
Variables aleatorias y modelos o distribuciones

de probabilidad
101
2.5. Variable aleatoria
Una variable aleatoria X es una funcin del espacio muestral en los nmeros reales, es decir,
X : IR
La variable aleatoria asigna a cada elemento del espacio muestral un nmero que no es aleatorio o
imprevisible, sino fijo y predeterminado. Lo que es aleatorio es el experimento sobre cuyo espacio
muestral se define la variable aleatoria.
Rango de la variable aleatoria
Es el conjunto de los valores posibles de la variable aleatoria, es decir, RX { X (w ) / w }
Tipos de variable aleatoria

Una variable aleatoria es discreta si puede asumir un conjunto finito o infinito numerable de valores
diferentes, es decir, si su rango es un conjunto discreto.
Una variable aleatoria es continua si puede asumir cualquier valor en un intervalo o en general, si su
rango es un conjunto continuo.
Ejemplo 92
Indique el tipo de la variable aleatoria y su rango.

Variable aleatoria
W = nmero de libros defectuosos en un lote

de 100 unidades
X = nmero de llamadas realizadas por un
vendedor en una hora.
Y = tiempo que puede pasar un humano debajo del agua sin respirar (en minutos)
Z = monto pagado en la primera boleta de
pago (en nuevos soles)
S = Nmero de candidatos entrevistados hasta encontrar el tercero apto para un puesto

T = Peso de un recin nacido ( en kg.)
M = Nmero de crditos hipotecarios aprobados de 12 que fueron evaluados.

N = Nmero de accidentes de trabajo por
semana en una mina.
Notas
Rango
Tipo de variable
102
Evento (X = a)
El evento ( X a) se define como ( X a) { w / X (w) a }

Ejemplo 93
Sea el espacio muestral del experimento E = lanzar una moneda dos veces y observar si sale cara
(c) o sello (s) cada vez.
= {(c,c), (c,s), (s,c), (s,s)}.
Se define en la variable aleatoria X = nmero de caras obtenidas.
El rango de RX = {0, 1, 2}, entonces, X es una variable aleatoria discreta.

El evento (X = 0) = el nmero de caras obtenidas es cero = {(s,s)}
El evento (X = 1) = el nmero de caras obtenidas es uno = {(c,s), (s,c)}

El evento (X = 2) = el nmero de caras obtenidas es dos = {(c,c)}
El evento (X > 0) = (X = 1 X = 2) = {(c,s), (s,c), (c,c)}
2.6. Variable aleatoria discreta
Una variable aleatoria es discreta si su rango es un conjunto finito o infinito numerable. Si x es un

elemento del rango de la variable aleatoria discreta X, entonces, la probabilidad de que ocurra el
evento (X = x) se denota P(X = x).
Distribucin de probabilidad de una variable aleatoria discreta

La distribucin de probabilidad de una variable aleatoria discreta X se describe como una funcin de
probabilidad representada por f(x) que asigna a cada valor posible de la variable aleatoria, la probabilidad de que este valor ocurra, es decir, f(x) = P(X = x).
Toda funcin de probabilidad cumple lo siguiente:
0 f(x) = P(X = x) 1
f x P ( X x ) 1
xR X
xR X
Si A RX , entonces P X A
f x (RX = rango de la variable aleatoria X)

x A
El dominio de la funcin f(x) se puede extender a todos los nmeros reales, si se define f(x) = 0
para todo x IR - RX.
Ejemplo 94
Sea X una variable aleatoria discreta con la siguiente funcin de probabilidad:
x
f(x) = P(X=x)
0,05
10
0,12
15
0,28
20
0,34
0,15
Entonces: P(X <20) = P(X = 5) + P(X = 10) + P(X = 15) = 0,05 + 0,12 + 0,28 = 0,45
P(5< X <25) = P(X = 10) + P(X = 15) + P(X = 20) = 0,12 + 0,28 + 0,34 = 0,74
Notas
25
30
0,06
Ejemplo 95
103
Sea X el nmero de veces que se lanza un dado hasta que salga seis por primera vez. Determine la
funcin de probabilidad de la variable X y calcule P( X 4)
Ejemplo 96
Sea la variable aleatoria X = nmero de expedientes rechazados por documentacin incompleta, en
un da. Usando informacin disponible en los archivos, se observ el nmero de expedientes rechazados por documentacin incompleta por da, en una muestra de 200 das. Los resultados fueron:
32 das no se rechazaron expedientes
48 das se rechaz un expediente
70 das se rechazaron dos expedientes
30 das se rechazaron tres expedientes
16 das se rechazaron cuatro expedientes
4 das se rechazaron cinco expedientes
a. Usar la informacin anterior para construir una distribucin de probabilidades para X.
b. Calcular la probabilidad de que en un da cualquiera sean rechazados ms de tres expedientes por

documentacin incompleta.
c. Calcular la probabilidad de que en un da cualquiera sean rechazados a lo ms dos expedientes

por documentacin incompleta.
Ejemplo 97
Se lanza un dado dos veces, sea la variable aleatoria X igual a la suma de los puntos de las caras superiores. Determine la funcin de probabilidad de la variable X.
Notas
104
Ejemplo 98
En una urna hay dos bolas rojas y tres bolas negras. Se saca, una a una y sin reemplazo, las bojas hasta que salga la segunda bola roja. Sea X la variable aleatoria definida como el nmero de extracciones
necesarias hasta que aparezca la segunda bola roja. Calcule la funcin de probabilidad de la variable
X.
2.7. Variable aleatoria continua
Una variable aleatoria continua X es aquella cuyo rango es un conjunto continuo, por lo general, un
intervalo de los nmeros reales.
El rango de la variable aleatoria continua X es un conjunto infinito no numerable por lo tanto la idea
de asignar un valor de probabilidad a cada elemento del rango ya no es posible y es por ello que se
define la funcin de densidad que nos permitir asignar probabilidades a los eventos relacionados
con X.
Funcin de densidad de una variable aleatoria continua

Se denomina funcin de densidad de probabilidad f(x) de una variable aleatoria continua X a la funcin que satisface lo siguiente:
f x 0 x R X
f x dx 1
RX
Si A RX , entonces P X A f x dx
A
El dominio de la funcin f(x) se puede extender a todos los nmeros reales, si se define f(x) = 0
para todo x IR- RX
Se cumple que:
P a X b f x dx
b
a
P( X a) f ( x) dx 0
a
a
P(a X b) P(a X b) P(a X b) P(a X b)
Notas
105
Ejemplo 99
Si las ventas diarias (en miles de nuevos soles) en una tienda se modelan con una variable continua X
con funcin de densidad de probabilidad:
a. Calcular el valor de c
f (x ) c x ; 0 x 10
b. Calcule e interprete P( X 5)
c. Calcule e interprete P( X 8)
Solucin
x2
a. Como f(x) es una funcin de densidad cx dx 1 , luego c
2
0
b.
c.
10
50c 1 c 0,02
P ( X 5)
10
0
1 , de donde,
f ( x) dx 0,25 . La probabilidad de que las ventas en un da cualesquiera sean me5
nores a 5 000 nuevos soles es de 0,25.
P( X 8) f (x) dx 0,36 . La probabilidad de que las ventas en un da cualesquiera sean de al

10
8
menos 8 000 nuevos soles es de 0,36.

Ejemplo 100
El porcentaje de grasa corporal en un hombre adulto de 40 aos puede modelarse como una variable
aleatoria continua X con la siguiente funcin de densidad de probabilidad:
a. Determine el valor de a.
f (x ) a (12 x) ; 8 x 10
b. Si se elige al azar a un hombre adulto de 40 aos, calcule la probabilidad de que su porcentaje de

grasa corporal sea mayor a 9,5%
Distribucin de probabilidad de una variable aleatoria
La distribucin de probabilidad de una variable aleatoria X se denota f(x) y es:
la funcin de probabilidad de X, si X es discreta

la funcin de densidad de X, si X es continua.
Notas
2.8. Funcin de distribucin acumulada de una variable aleatoria
106
La funcin de distribucin acumulada de la variable aleatoria X, es una funcin F : IR IR , tal que

F ( x ) P( X x )
Si X es una variable discreta con funcin de probabilidad f(x)
F (a) P( X a)
f x P( X x)
x a
x a
Si X es una variable continua con funcin de densidad de probabilidad f(x)
F (a) P( X a)
Se cumple que:
f x dx
a
0 F (a) P( X a) 1
Si x1 x2 entonces F(x1) F(x2)

P(a < X b) = F(b) F(a)
Si la variable X es continua se cumple que

lim F x 0 y que lim F x 1
Ejemplo 101
dF (x )
f x
dx
Sea X el nmero de caras obtenidas al lanzar una moneda tres veces. Encontrar la funcin de distribucin acumulada de la variable aleatoria X y calcular P(X 2)
Ejemplo 102
Sea X el nmero de lanzamientos de un dado hasta que salga el primer seis. Encontrar la funcin de
distribucin acumulada de la variable aleatoria X y P(X 3).
Solucin
La funcin de distribucin acumulada de la variable aleatoria X es:

F x P X x
f t 6
x
t 1
t 1
t 1
1
5
1
6
6
5
F x 1
6
5
Luego, la probabilidad pedida ser P X 3 F 3 1 0,4213
6
Notas
; x 1, 2, 3,...
107
Ejemplo 103
Sea X una variable aleatoria discreta que denota el nmero de averas que un operario resuelve en
una jornada de trabajo, con funcin de probabilidad dada por:
f x
k
; x 0 , 1, 2, 3
x 1
Halle el valor de k. Encuentre y grafique la funcin de distribucin acumulada de X.
Ejemplo 104
El tiempo, en minutos, en que un equipo mete un gol durante un partido de ftbol se puede modelar
por una variable aleatoria continua X con la siguiente funcin de densidad de probabilidad:
f (x )
1
; 0 x 90
90
a. Determine la funcin de distribucin acumulada de la variable aleatoria X.
b. Use la funcin de distribucin acumulada para calcular la probabilidad de que un equipo meta un
gol entre el minuto 20 y 30 del partido.
c. Use la funcin de distribucin acumulada para calcular el rango intercuartil de X.
Notas
108
Ejemplo 105
La demanda diaria de gasolina, en miles de galones, en una refinera, se modela con una variable
aleatoria X con funcin de densidad f(x) dada por:
0 x 1
2cx ,
f (x)
c(3 x) , 1 x 3
a.
Determine el valor de la constante c y la funcin de distribucin acumulada de la variable X.
b.
Cul debe ser, al comenzar el da, el inventario mnimo que la refinera debe tener para que
con una probabilidad de por lo menos 0,95, exista gasolina disponible al final de un da cualquiera?
2.9. Esperanza y varianza de una variable aleatoria

Esperanza de una variable aleatoria
La esperanza de una variable aleatoria X con distribucin de probabilidad f(x) se denota E(X) y se
define segn el tipo de variable:
Si X es una variable aleatoria discreta, entonces:
E X
xf x xPX x
xR X
Si X es una variable aleatoria continua:
E X
xR X
xf x dx
A la esperanza E(X) tambin se le llama valor esperado o media de la variable X y se denota tambin por X.
Ejemplo 106
Se lanzan dos dados y sea la variable aleatoria X igual a la suma de los nmeros de las caras superiores. Calcule el valor esperado de la variable X.
Notas
109
Ejemplo 107
El nmero de trabajadores que faltan por da por razones de salud en una empresa se modela con
una variable aleatoria X con funcin de distribucin.
x
f(x)
0,08
k 0,03
0,40
0,25
Determine k. Calcule e interprete el valor esperado de X.
Ejemplo 108
Dada la siguiente funcin de densidad de probabilidad de la variable aleatoria X
Calcule el valor esperado de X
; 0 x 1
x
f (x)
2 x ; 1 x 2
Esperanza de una funcin de variable aleatoria

Sea G(X) una funcin de la variable aleatoria X.
E G( X )
G(x) f x G(x)PX x
xR X
Si X es una variable aleatoria continua:
xR X
E G( X ) G(x) f x dx
Notas
110
Ejemplo 109
Un jugador lanza un dado, si sale un nmero de puntos mayor a cuatro gana 10 nuevos soles y si no,
pierde cinco nuevos soles. Calcule e interprete el valor esperado de la ganancia.
Ejemplo 110
La demanda diaria, en kilos, de un producto perecible se modela por una variable aleatoria con funcin de densidad
f (x) 0 ,01 ; 100 x 200
El kilo del producto tiene un costo de produccin de 30 nuevos soles y se vende a 50 nuevos soles.
Todo lo producido que no sea vendido en el da se remata a 15 nuevos soles por kilo. Calcule la cantidad que se debe producir diariamente para maximizar la utilidad esperada.
Varianza de una variable aleatoria

La varianza Var(X) de una variable aleatoria X con distribucin de probabilidad f(x) se define por:
V X E X X 2 E ( X 2 ) x2

V X
(x x )2 f x x 2 f x x2
xRX
Si X es una variable aleatoria continua, entonces:
xRX
V X (x x )2 f x dx x 2 f x dx x2
La varianza de la variable aleatoria X tambin se denota por X2 .
Desviacin estndar de una variable aleatoria

X X2
Notas
111
Ejemplo 111
Se lanzan dos dados y sea la variable aleatoria X igual a la resta del nmero mayor y el nmero menor de las caras superiores. Calcule la desviacin estndar de la variable X.
Ejemplo 112
La demanda diaria de un producto perecible puede modelarse por una variable aleatoria discreta X
cuya distribucin de probabilidad est dada por la tabla que sigue:
x
f(x)
12
0,15
24
0,25
36
0,30
48
0,20
60
0,10
La empresa obtiene por cada unidad demandada de producto 20 nuevos soles de utilidad. Si la cantidad vendida en un da es mayor a 36 unidades, se obtiene una utilidad adicional de dos nuevos soles
por unidad vendida de producto. La empresa tiene siempre ms de 60 productos en su almacn al
inicio del da. Calcule el valor esperado y la desviacin estndar de la utilidad por la demanda diaria
de productos.
Ejemplo 113
Dada la siguiente de probabilidad de la variable aleatoria continua X con funcin de densidad:

f (x) ax 2 ; 0 x 1
Determine el valor de a, luego calcule la media y desviacin estndar de X.
Notas
Propiedades del valor esperado y la varianza de variables aleatorias
112
E(b) = b; Var(b) = 0 para cualquier constante real b.
Si X e Y son variables aleatorias, a y b son constantes, entonces:

E(aX + bY) = a E(X) + b E(Y)
Si Y = aX + b, con a y b son constantes, entonces: E(Y) = aE(X) +b; V(Y) = a2V(X)

Si X1, X2, X3, . . ., Xn son n variables aleatorias, y a1, a2, a3, . . ., an son n constantes, entonces:
E a1 X1 a2 X2 an X n a1E X1 a2E X 2 anE X n
Si X1, X2, X3, . . ., Xn son n variables aleatorias independientes, y a1, a2, a3, . . ., an son n constantes,
entonces:
V a1 X 1 a2 X 2 an X n a12V X 1 a22V X 2 an2V X n
Coeficiente de variacin
Sea X una variable aleatoria con distribucin de probabilidades f(x). El coeficiente de variacin de la
variable aleatoria X es:
CVX
Moda
X
X
La moda de la variable aleatoria X es el valor de x que maximiza su funcin de distribucin f(x).
Mediana
La mediana de la variable aleatoria X es el menor valor de x tal que su funcin de distribucin acumulada F(x) 0,50.
Ejemplo 114
Sea X una variable aleatoria discreta con la siguiente funcin de probabilidad:
f x kx ; x 1, 3, 6 , 9
Determine k y calcule la media, moda, mediana de la variable X y el coeficiente de variacin de la

variable Y = 3X + 5.
Notas
113
Ejemplo 115
La funcin de distribucin acumulada de la variable aleatoria X est dada por:
0
;
x 1
1
F x a x 1 ; 1 x
3
1
1
;
x
a.
Calcule P X 0 ,5 X 0 ,5
b.
Calcule la mediana de la variable aleatoria X.
Notas
114
Ejercicios
27. El contenido (en gramos) de oro por tonelada de material extrado en una mina es una variable
X con funcin de densidad:
f (x ) e x c ; 0 x 3
a. Encontrar el valor de la constante c y hallar el contenido de oro esperado por tonelada de
material extrado.
b. Encontrar la funcin de distribucin acumulada de X y hallar la probabilidad de que una tonelada de material extrado tenga ms de un gramo de oro, si se sabe que a lo ms tiene dos
gramos de oro.
c. Si el costo por extraer el oro del material es de 25 dlares por tonelada y el gramo de oro se
vende a 40 dlares, encontrar la ganancia esperada al vender el oro extrado de 1000 toneladas de material.
28. En un taller hay tres tipos de mquinas: A, B y C. De las 20 del tipo A, 4 estn malogradas; de las
15 del tipo B, 2 estn malogradas; y de las 10 del tipo C, 3 estn malogradas. Se escoge al azar y
de manera independiente una mquina de cada tipo. Si la variable X es igual al nmero de mquinas malogradas escogidas, encontrar la media y la desviacin estndar de la variable X.
29. Sea X es una variable aleatoria continua con funcin de densidad de probabilidad dada por:
f (x) ce x ; x 3
a. Halle el valor de la constante c. y determine la funcin de distribucin acumulada de X, F(x).

b. Calcule la media y varianza de X.
30. Sea X una variable aleatoria continua con funcin de densidad:

1 x2
f (x)
; 0 x a
12
a. Determine el rango, la moda, la media y la varianza de la variable aleatoria X.

b. Determine y grafique la funcin de distribucin acumulada de la variable aleatoria X.
31. La demanda diaria de cierto artculo es una variable aleatoria cuyos valores son 10, 20 o 30 con
probabilidades de 0,2; 0,5 y 0,3 respectivamente. El costo de cada artculo es 1,80 soles y el precio de venta es dos soles. Los artculos son perecederos de tal manera que si un artculo no se
vende en el da la prdida es total. Hallar el nmero de artculos que se deben ordenar para la
venta de tal manera que la ganancia esperada sea mxima.
32. Suponga que el ingreso familiar mensual en miles de unidades monetarias en una ciudad, es una
variable aleatoria X con funcin de densidad:
; 0 x 1
4kx
f (x)
k(5 x) ; 1 x 5
a. Determinar el valor de la constante k y calcular el porcentaje de familias con ingresos mensuales de entre 500 y 2000 unidades monetarias.
b. Cul es el ingreso familiar esperado?
Notas
115
33. La proporcin de su presupuesto anual que una compaa dedica al mantenimiento de sus mquinas es una variable aleatoria X con funcin de densidad:
f (x) c (x 1) ; 0 x 1
a. Halle el valor de la constante c y determine la distribucin acumulada de la variable X.
b. Si la proporcin del presupuesto anual dedicado al mantenimiento de sus mquinas es de al
menos 0,20, qu probabilidad hay de que esta proporcin no supere el 0,80?
34. Un ingeniero propone que la proporcin de construcciones civiles sin licencias de construccin
puede ser modelada usando la siguiente funcin de densidad:
g(y) cy 2 (1 y) ; 0 y 1
Un segundo ingeniero propone usar otro modelo dado por:
f (x ) d ; 0 x 1
a. Encuentre c y d.
b. Halle las distribuciones acumuladas en cada modelo y calcule la probabilidad que la proporcin indicada supere a 0,8.
c. Cul modelo presenta menor variabilidad?
35. La demanda semanal de gas propano, en miles de galones, de una distribuidora en particular es
una variable aleatoria X con funcin de densidad f(x) dada por:
1
f (x ) 2 1 2 ; 1 x c
x
a. Determine c y la funcin de distribucin acumulada de X, F(x).
b. Calcule la media y el percentil 80 de la demanda semanal de gas propano.
c. Si hay 1500 galones en existencia al principio de la semana y no se recibe nuevo suministro
durante la semana, cuntos galones se espera que queden al finalizar la semana?
36. Sea X una variable aleatoria discreta que denota el nmero de averas que un operario resuelve
en una jornada de trabajo, con funcin de probabilidad dada por:
k
f (x )
; x 0, 1, 2, 3.
x 1
a. Halle el valor de k y encuentre la funcin de distribucin acumulada de X.
b. Calcule la mediana de la variable X y el coeficiente de variacin de la variable Y = 3X+5.
37. Se ha observado que un termmetro sometido a condiciones meteorolgicas adversas da una

medicin de entre dos grados ms y dos menos de la temperatura real. El error cometido se
modela por una variable aleatoria continua con la siguiente funcin de densidad.
1
f ( x) (2 x) , 2 x 2
8
a. Calcule la probabilidad de que el valor absoluto del error sea menor a un grado.
b. Calcule la probabilidad de que el termmetro d la temperatura exacta.
c. Calcule el error esperado y la desviacin estndar del error.
Notas
116
38. El nmero de solicitudes de crdito hipotecario recibidas semanalmente en una agencia bancaria se modela con una variable aleatoria X con funcin de probabilidad f(x) dada por:
c
x 5; 6; 7; 8; 9
f (x) 2 x 3
0 ,092
x 10
Determine el valor de la constante c, la media, mediana y moda de X.
39. El tiempo de fraguado, en minutos, de un cierto tipo de concreto se puede modelar por una
variable aleatoria X con la siguiente funcin de distribucin acumulada:
x 2
F x
; 20 x 50
30 3
Calcule el coeficiente de variacin de la variable X.
40. La vida, en horas, de un tipo de transistores se representa por una variable aleatoria continua
con funcin de distribucin acumulada:
100
F ( x) 1
, x 100
x
Cul es la probabilidad de que en un aparato de radio que lleva cuatro de estos transistores, al
menos tres deban ser sustituidas durante las primeras 250 horas?
41. La variable aleatoria con distribucin de Pareto se usa en el campo de los seguros de autos para
modelar la cuanta del dao por siniestro. Para una variable aleatoria X con distribucin de Pareto se cumple que:
b
P( X x)
x
y su rango es b, . Calcule la media, mediana, moda y desviacin estndar de la variable aleatoria X si a > 2.
Notas
Captulo 3. Modelos probabilsticos
117
Experimento de Bernoulli
Un experimento de Bernoulli es un experimento aleatorio con dos nicos resultados posibles denominados xito (E) y fracaso (F).
La probabilidad de xito se denota P(E) = p y la de fracaso P(F) = 1- p = q.
Los siguientes son ejemplos de experimentos Bernoulli:
Lanzar un dado y observar si sale seis
o
E:= Sale 6.
Luego, P(E) = 1/6
E:= El artculo es defectuoso.
Luego, P(E) = 0,001
E:= El cliente compra la pliza.
Luego, P(E) = 0,05
Revisar un artculo y verificar si es defectuoso en una lnea de produccin que produce el 0,1% de
artculos defectuosos.
Ofrecer una pliza de seguros a un cliente y anotar si la compra. Por experiencia se sabe que el
5% de los clientes compra la pliza.
Distribucin Bernoulli
Se denomina una variable Bernoulli a una variable aleatoria X definida en el espacio muestral asociado a un experimento Bernoulli tal que X(F) = 0 y X(E) = 1.
La funcin de probabilidad de la variable aleatoria X es:
f (x) P X x p x q 1 x
x 0, 1
Se denota X ~ Bernoulli (p) y se lee X sigue una distribucin Bernoulli con parmetro p.
Media o valor esperado de X:
Varianza de X:
E X p
2 V X p1 p pq
Distribucin binomial
Un experimento binomial consiste en una serie de n repeticiones de un experimento Bernoulli, donde n se fija antes de realizar el experimento.
Las pruebas son independientes entre s por lo que el resultado de un intento en particular no
influye en el resultado de cualquier otro.
La probabilidad de xito es constante de una prueba a otra y la denotamos como p.
Se define la variable aleatoria binomial X como el nmero de xitos observados en un experimento

binomial, es decir:
X := Nmero de xitos obtenidos en n repeticiones independientes de un experimento de Bernoulli
con probabilidad de xito p.
Notas
La funcin de probabilidad de la variable aleatoria binomial X es:
118
f x P X x C xn p x 1 p n x ; x 0, 1, 2,, n
Se denota X ~ B (n, p) y se lee X sigue una distribucin binomial con parmetros n y p.

Esperanza de X: E X np
Varianza de X: 2 V X np1 p
Se cumple que X ~ Bernoulli(p), si y solo si X ~ B(1, p)
Si Xi ~ Bernoulli(p) (i = 1, 2,, n) variables aleatorias independientes, entonces se cumple que

(X1+X2+ + Xn ) ~ B(n, p)
Ejemplo 116
En un proceso de fabricacin artesanal de papel reciclado se estima, por experiencia anterior, que el
3% de las hojas de papel producidas presentan defectos en el teido. Las hojas de papel se empacan
en cajas de 50 unidades. Si usted ha comprado una de estas cajas, calcule la probabilidad de que:
a. ninguna de las hojas presente defectos en el teido
b. la caja contenga exactamente tres hojas con defectos en el teido
c. la caja contenga a lo ms dos hojas con defectos en el teido
d. la caja contenga ms de una hoja con defectos en el teido
e. Cuntas hojas con defectos en el teido esperara encontrar en su caja?
Notas
119
Distribucin geomtrica
La variable aleatoria X tiene una distribucin geomtrica con parmetro p si X es el nmero de repeticiones independientes de un experimento Bernoulli con P(E) = p hasta obtener un xito.
La funcin de probabilidad de X es:
f (x) P X x q x 1 p ; x 1, 2, 3,...
Se denota X ~ G(p) y se lee X sigue una distribucin geomtrica con parmetro p.

Esperanza de X: E X
Varianza de X: 2 V X
1
p
1 p q
2
p2
p
La funcin de distribucin acumulada de X es:
F (x ) P X x 1 (1 p) x ; x 1, 2, 3,...
Se cumple que P X x (1 p) x q x ; x 1, 2, 3,...

Se cumple que P(X > k+s / X > k) = P(X > s) k, s Z+
Esta propiedad indica que la distribucin geomtrica no tiene memoria, es decir, si el xito no
se ha obtenido en las primeras k repeticiones, entonces, la probabilidad de que no ocurra en las
prximas s repeticiones es la misma que la probabilidad de que el xito no ocurra en las primeras
s repeticiones.
Ejemplo 117
Una compaa petrolera sabe que la probabilidad de que una perforacin sea exitosa es del 15%.
Calcular la probabilidad de que se necesite realizar por lo menos seis perforaciones para tener la
primera perforacin exitosa.
Ejemplo 118
La probabilidad de que cada llamada telefnica de un vendedor resulte en una venta es 0,10. Si el
vendedor ya realiz tres llamadas sin xito, cul es la probabilidad de que necesite hacer ms de 12
llamadas para conseguir su primera venta?
Notas
120
Distribucin de Pascal o binomial negativa

Se define la variable Pascal con parmetros r y p como X nmero de repeticiones independientes de
un experimento Bernoulli con P(E) = p, hasta obtener r xitos.
La funcin de probabilidad de la variable X es:
f (x) P X x C rx11 1 p x r p r ; x r , r 1, r 2,...
Se denota X ~ P(r, p) y se lee X sigue una distribucin Pascal con parmetros r y p.

Esperanza de X:
EX
Varianza de X:
2 V X
r
p
r 1 p rq
2
p2
p
Se cumple que X ~ G(p) si y solo si X ~ P(1, p)
Si Xi ~ G(p) (i = 1, 2,, n) variables aleatorias independientes, entonces se cumple que la variable

X = (X1+X2+ + Xn ) ~ P(r, p)
Ejemplo 119
En una compaa petrolera se estima que la probabilidad de que una perforacin sea exitosa es del
0,15. Calcular la probabilidad de que se necesite realizar por lo menos ocho perforaciones hasta la
tercera perforacin exitosa.
Ejemplo 120
En cierta lnea de produccin la probabilidad de producir un artculo defectuoso es de 0,001

a. Calcule la probabilidad de que el octavo artculo producido sea el quinto defectuoso.
b. Cuntos artculos se espera producir hasta el cuarto defectuoso?
Notas
121
Distribucin hipergeomtrica
El experimento hipergeomtrico consiste en extraer al azar y sin sustitucin n elementos de un conjunto de N elementos, r de los cuales son considerados xitos y (N - r) son fracasos.
Se define la variable aleatoria hipergeomtrica como X:= nmero de xitos observados en la
muestra de tamao n.
La funcin de probabilidad de la variable X es:
f (x) P X x
C xr C nNxr
C nN
x max{0, n (N r )},..., min{n, r }
Se denota X ~ H (N, r, n) y se lee que la variable aleatoria X sigue una distribucin hipergeomtrica con parmetros N, r y n.
Esperanza de X:
Varianza de X:
E X n
r
N
r
r N n
2 V X n 1
N N 1
Sea X ~ H(N, r, n), si n/N tiende a cero, entonces X ~ B(n, r/N) aproximadamente.
Ejemplo 121
En un equipo de ftbol hay 18 jugadores de los cuales cuatro consumen sustancias prohibidas.
a. Calcule la probabilidad de detectar a por lo menos uno de los jugadores que usan sustancias
prohibidas, si la directiva del club ha realizado una prueba antidoping a dos jugadores.
b. Calcule la probabilidad de detectar a por lo menos uno de los jugadores que usan sustancias
prohibidas, si la directiva del club ha realizado una prueba antidoping a seis jugadores.
Notas
122
Distribucin de Poisson
El experimento que origina una variable aleatoria que sigue una distribucin de Poisson se denomina
proceso de Poisson y posee las siguientes propiedades:
El nmero de eventos de inters que ocurren en un intervalo o regin de espacio cualquiera es

independiente del nmero que ocurre en cualquier otro intervalo o regin del espacio disjunto.
La probabilidad de que ocurra un solo xito durante el intervalo muy corto o regin muy pequea es proporcional a la longitud del intervalo o al tamao de la regin y no depende del nmero
de xitos que ocurren fuera del intervalo o regin.
La probabilidad de que ocurra ms de un xito en tal intervalo corto o caiga en tal regin pequea es insignificante.
La funcin de probabilidad de la variable aleatoria Poisson X es:
f x P X x
e x
x!
; x 0, 1, 2,
= nmero esperado de xitos por unidad de tiempo o regin. e = 2,71828
Se denota X ~ P() y se lee que la variable aleatoria X sigue una distribucin Poisson con parmetro .
Esperanza de X:
Varianza de X:
E X
2 V X
Sea la variable discreta X definida como el nmero de veces que ocurre un evento en un intervalo dado (rea, volumen o cualquier medida continua). La variable aleatoria X usualmente se modela con una distribucin de Poisson de parmetro ( > 0), que representa el nmero medio de
xitos en el intervalo dado.
Ejemplo 122
El nmero de personas que llega a un restaurante puede modelarse por una variable Poisson con una
promedio de 0,8 personas por minuto.
a. Cul es la probabilidad de que en un minuto llegue ms de una persona al restaurante?
b. Cul es la probabilidad de que en dos minutos lleguen ms de dos personas si dentro de ese
intervalo de tiempo ya lleg una persona al restaurante?
Notas
123
Ejercicios
42. Una compaa encuestadora va a entrevistar personas en un rea rural hasta encontrar tres
personas indocumentadas. Si la probabilidad de que una persona est indocumentada es de
0,25, encuentre la probabilidad de que la compaa entreviste por lo menos a seis personas.
43. Un aparato de cocina tiene 16 partes funcionales, cada una de las cuales tiene una probabilidad
de 0,99 de funcionar correctamente hasta el fin del perodo de garanta del producto. Las partes
funcionan de manera independiente, pero si dos o ms no funcionan, el aparato tampoco. Cul
es la probabilidad de que uno de estos aparatos seleccionado al azar funcione bien durante todo el periodo de garanta?
44. Suponga que se va a comprar lotes de siete tubos de rayos catdicos (CRT) para terminales de
computadora. Se decide muestrear 3 CRT de cada lote y rechazar el lote si se observa uno o ms
CRT defectuosos en la muestra.
a. Si el lote contiene un CRT defectuoso, qu probabilidad hay de que se acepte el lote?
b. Qu probabilidad hay de que se acepte el lote si contiene 3 CRT defectuosos?
45. Se supone que el 30% de los aspirantes para cierto trabajo tiene entrenamiento en programacin. Si los aspirantes son entrevistados uno tras otro, encontrar la probabilidad de hallar el segundo aspirante con entrenamiento en programacin antes de la quinta entrevista.
46. Una operadora de una empresa de telemarketing dispone de un listado de clientes potenciales
de un determinado producto. Si la probabilidad de que dicha operadora haga una venta al hacer
una llamada es del 25%, determine la probabilidad de que en la dcima llamada se realice la
tercera venta.
47. Un vendedor de artefactos elctricos por telfono sabe que el 8% de las llamadas que realiza
terminan en una venta. Si el vendedor hace 50 llamadas y la ganancia por x ventas es de 2x 2
soles, encontrar su ganancia esperada.
48. El nmero de torres de alta tensin que se caen por ao en una ciudad puede modelarse por
una variable aleatoria de Poisson, con una desviacin estndar de 1,5 torres por ao. El costo de
reparar una torre cada es 200 000 dlares y la compaa destina como mximo 600 000 dlares
anuales para reparar torres. Calcule el gasto anual esperado en la reparacin de torres.
49. Air Amrica tiene la poltica de registrar a 24 personas para viajar en un avin que cuenta con
20 asientos para pasajeros. Estudios anteriores revelaron que solo el 80% de los pasajeros que
se registran en un determinado vuelo, se presentan al aeropuerto para viajar en ese vuelo. Calcular la probabilidad de que no haya suficientes asientos disponibles para los pasajeros, en un
vuelo en el que se registraron 24 personas.
Notas
124
50. Con fines de auditora sobre 18 empresas que comercializan Gas domstico que funcionan en
nuestro medio (entre las cuales tenemos a las compaas A, B y C) se tomar una muestra aleatoria de 6 de ellas. Determine la probabilidad de los siguientes eventos:
a. Que la muestra solo tenga una de las tres empresas antes citadas.
b. La muestra incluya a las tres empresas mencionadas.
c. Que la muestra incluya al menos una de las tres empresas antes citadas.
51. Una empresa de seguros considera que slo alrededor de 5 % de los asegurados atendidos tiene
una determinada enfermedad.
a. Halle la probabilidad de atender ms de dos casos hasta que se reporte el primer asegurado
que sufre de esta enfermedad.
b. Cul es el nmero esperado de asegurados atendidos hasta encontrar el tercer caso con la
enfermedad?
c. Si fueron seleccionados aleatoriamente 100 de los asegurados atendidos, cul sera la probabilidad de que no ms de 3 de ellos tengan la enfermedad?
52. A un estudiante que tiene de manera independiente una probabilidad p de aprobar cada examen del curso de Fsica 1, se le ofrecen dos alternativas:
I) Dar un nico examen.
II) Dar tres exmenes con la condicin de aprobar por lo menos dos.
Cul es la alternativa ms favorable para el alumno?
53. En una distribuidora hay 25 televisores de los cuales 6 son de tecnologa LED. Si se seleccionan
al azar 10 televisores, calcule la probabilidad de que se haya seleccionado por lo menos dos televisores de tecnologa LED.
54. En un lote de 50 computadoras 12 son defectuosas. Si se eligen al azar y de una sola vez 20 de
ellas, calcule la probabilidad de que de las computadoras elegidas por lo menos dos sean defectuosas.
Notas
125
3.2. Algunos modelos continuos importantes

Distribucin de probabilidad uniforme
La variable aleatoria X tiene una distribucin uniforme en el intervalo [a, b], si su funcin de densidad
de probabilidad es:
f x
1
; axb
ba
Se denota X ~ U (a, b) y se lee que la variable aleatoria X sigue una distribucin uniforme con
parmetros a, b.
La funcin de distribucin acumulada es:
Esperanza de X: E X
ab
2
0
x a
F ( x)
b a
1
xa
xb
; axb
b a 2
12
Ejemplo 123
El tiempo, en minutos, que demora un servicio de delivery en entregar una pizza puede modelarse
por una variable aleatoria uniforme con parmetros 10 y 38. Si la pizza se tarda ms de 30 minutos
en ser entregada, el cliente no la pagar.
a. Si una familia pide una pizza, calcule la probabilidad de que le salga gratis.
b. Si la familia pide una pizza diaria durante diez das seguidos, calcule la probabilidad de que por lo
menos una de ellas le salga gratis. Asuma independencia.
c. Una familia pidi una pizza hace 25 minutos y an no ha llegado, cul es la probabilidad de que
le salga gratis?
Notas
126
Distribucin exponencial
La variable aleatoria X tiene una distribucin exponencial con parmetro ( > 0) si su funcin de
densidad de probabilidad es:
f (x) e x ; x 0
Se denota X ~ Exp() y se lee que X sigue una distribucin exponencial con parmetro .
La funcin de distribucin acumulada de X es: F (x) P X x 1 e x ; x 0
Esperanza de X: E X
Se cumple que:
Ejemplo 124
P X x e x
PX k t / X k PX t
La duracin, en minutos, de una llamada telefnica se modela con una variable exponencial con una
media de 5 minutos. Calcule la probabilidad que una llamada dure menos de seis minutos.
Ejemplo 125
El tiempo de vida de un tipo de marcapasos se modela por una variable exponencial con media de 12
aos. Calcule la probabilidad de que su tiempo de vida til sea mayor a 15 aos.
Si el marcapasos lleva funcionando correctamente cinco aos en un paciente, cul es la probabilidad

de que se malogre antes de 15 aos?
Distribucin exponencial y distribucin de Poisson
Si el nmero de xitos que ocurren por unidad de tiempo tiene una distribucin de Poisson con parmetro , entonces el tiempo entre dos xitos consecutivos, medido en la misma unidad de tiempo,
tiene una distribucin exponencial con parmetro = .
Ejemplo 126
Si el nmero de llamadas que entran a una central telefnica tiene una distribucin de Poisson con
una media de tres llamadas por minuto, encontrar la probabilidad de que el tiempo entre una llamada y la siguiente sea de menos de medio minuto.
Notas
127
Distribucin Gamma
La variable aleatoria X tiene una distribucin gamma con parmetros y ( > 0, > 0) si su funcin
de densidad de probabilidad es:
f (x)
1 x
x e
( )
; x0
Donde ( ) es la funcin Gamma que se define por ( )
x 1 e x dx , 0
Se denota X ~ (, ) y se lee que la variable aleatoria X sigue una distribucin gamma con parmetros y .
La funcin de distribucin acumulada de X es: F ( x)
1 x
x e dx , x 0
( )
En el caso particular en que el parmetro es un nmero natural positivo, se cumple que:

F (x) 1
Esperanza de X: E X
Se cumple que:
e x ( x ) j
, x0
j!
j 0
X ~ Exp( ) si y slo si X ~ (1, )
Si Xi ~ Exp( ), Xi (i = 1, 2,, ) independientes y sea S = X1 + X2 + + X entonces S ~ (,)
Si Xi ~ (, ) (i = 1, 2,, n) son variables aleatorias independientes y sea S = X1 + X2 + + Xn entonces S ~ (n, )

Distribucin Gamma y distribucin de Poisson
Si el nmero de xitos en un intervalo de tiempo ocurre segn una distribucin de Poisson con parmetro , entonces, el tiempo hasta el r-simo xito (medido en las mismas unidades que el intervalo)
tiene una distribucin gamma con parmetros = r y = .
Ejemplo 127
Si el nmero de llamadas que entran a una central telefnica tiene una distribucin de Poisson con
una media de tres llamadas por minuto, encontrar la probabilidad de que el tiempo transcurrido
hasta la llegada de la quinta llamada sea mayor a 2,5 minutos.
Notas
128
Distribucin normal
La variable aleatoria X tiene una distribucin normal con parmetros y 2 (2 > 0) si su funcin de
densidad de probabilidad es:

1
f x
e 2
2
1 x

x IR
Se denota X ~ N (, 2) y se lee que la variable aleatoria X sigue una distribucin normal con parmetros y 2.
Esperanza de X: X E X
Varianza de X: X Var X 2
2
La funcin de densidad de una variable normal tiene forma de campana y es simtrica, por lo que
las medidas de tendencia central coinciden.
El rango de la variable aleatoria normal es el conjunto de los nmeros reales.
Propiedad de la distribucin normal
Sea X ~ N(, 2), si se define la variable aleatoria Y = aX + b, entonces, Y ~ N(Y, Y2)

E(Y)= Y = a + b
Var(Y) = Y2 = a 2 2
Estandarizacin de una variable normal
Desviacin estndar de Y = Y = |a|
Sea X ~ N(,2), si se define la variable aleatoria Z
, entonces Z tiene distribucin normal y
por la propiedad anterior, cumple que E(Z) = Z = 0 y Var(Z) = Z2 = 1.
Se dice que la variable aleatoria Z ~ N(0,1) tiene una distribucin normal estndar.
La funcin de densidad de Z se denota: (z)
La funcin de distribucin acumulada de Z se denota: (z )
Clculo de probabilidades para una variable normal

Sea X ~ N(, 2), entonces:
b
a X b a
b
a
P a X b P
Z
P

b
a
Los valores de
y
se determinan con la tabla de la distribucin normal estndar.

Ejemplo 128
Sea X ~ N( = 20; 2= 9) entonces:
1
18 20 X 21 20
2
P 18 X 21 P
Z 0,50 0,25 . Los valores

P
4
4
4
4
de 0,50 y 0,25 se pueden determinar usando la tabla de la distribucin normal estndar.

Notas
129
Uso de la tabla de la distribucin normal estndar
Sea Z ~ N(0,1) , en la tabla podemos encontrar las probabilidades acumuladas hasta cierto valor z, es
decir: (z) P(Z z)
Z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
0,00
0,50000
0,53983
0,57926
0,61791
0,65542
0,69146
0,72575
0,75804
0,78814
0,81594
0,84134
0,86433
0,88493
0,01
0,50399
0,54380
0,58317
0,62172
0,65910
0,69497
0,72907
0,76115
0,79103
0,81859
0,84375
0,86650
0,88686
0,02
0,50798
0,54776
0,58706
0,62552
0,66276
0,69847
0,73237
0,76424
0,79389
0,82121
0,84614
0,86864
0,88877
0,03
0,51197
0,55172
0,59095
0,62930
0,66640
0,70194
0,73565
0,76730
0,79673
0,82381
0,84849
0,87076
0,89065
0,04
0,51595
0,55567
0,59483
0,63307
0,67003
0,70540
0,73891
0,77035
0,79955
0,82639
0,85083
0,87286
0,89251
0,05
0,51994
0,55962
0,59871
0,63683
0,67364
0,70884
0,74215
0,77337
0,80234
0,82894
0,85314
0,87493
0,89435
Por ejemplo, usando la tabla podemos determinar que:
0,06
0,52392
0,56356
0,60257
0,64058
0,67724
0,71226
0,74537
0,77637
0,80511
0,83147
0,85543
0,87698
0,89617
0,07
0,52790
0,56749
0,60642
0,64431
0,68082
0,71566
0,74857
0,77935
0,80785
0,83398
0,85769
0,87900
0,89796
0,08
0,53188
0,57142
0,61026
0,64803
0,68439
0,71904
0,75175
0,78230
0,81057
0,83646
0,09
0,53586
0,57535
0,61409
0,65173
0,68793
0,72240
0,75490
0,78524
0,81327
0,83891
0,85993 0,86214
0,88100 0,88298
0,89973 0,90147
P(Z 0,24) = (0 ,24) = 0,59483

P(Z 1,17) = (1,17) = 0,87900
P(Z > 1,09) = 1 P(Z 1,09) = 1 - (1,09) = 1 0,86214 = 0,13786
Si sabemos que P(Z c) = 0,881 cul es el valor de c?
Es usual denotar los percentiles de una variable Z normal estndar de la manera siguiente:
De acuerdo a la condicin dada: (c) P(Z c) 0,881 , ahora en la tabla encontramos que
(1,18) 0,88100 por lo tanto podemos concluir que c = 1,18. Notar que el valor c representa el
percentil 88,1 de la variable Z normal estndar.
Si Z~N(0;1), el percentil *100% de esta variable se denota z, es decir, se cumple que: P(Z z)=
Ejemplo 129
Si Z ~ N 0, 2 1 , calcular
P(Z 1,12) =
P(Z > 0,75) =
Notas
P(0,04 Z < 1,27) =
P(Z < -4) =
P(Z = 1,25) =
Hallar el percentil 97,5 de Z, es decir, el valor z0,975 tal

que P(Z <z0,975) = 0,9750
Hallar c para que P(-c < Z < c) = 0,95
Ejemplo 130
a.
Si X ~ N(10; 16), calcule P( 9 < X < 13)
b.
Si X ~ N(10; 16), halle c tal que P(X < c) = 0,1056. Qu percentil de Z representa c?
Notas
130
131
Ejemplo 131
Si los puntajes de los postulantes en un examen de ingreso se distribuyen como una variable aleatoria normal con una media de 1 200 y una desviacin estndar de 300 puntos.
a. Encontrar la probabilidad de que el puntaje de un postulante sea de por lo menos 1 300.
b. Si se ha establecido que ingresarn el 12,3 % de los postulantes con puntajes ms altos, hallar el
puntaje mnimo para ingresar.
Solucin
Definamos la variable aleatoria X := puntaje de un postulante.
= 1 200, = 300, 2 = 3002 X ~ N(1 200, 3002)
a. La probabilidad de que el puntaje de un postulante sea de por lo menos 1300 puntos es:
X 1 300
P X 1 300 1 P X 1 300 1 P
X 1 200 1 300 1 200

= 1 P
1 P Z 0 ,33 1 0 ,33 0 ,3707

300
300
b. Sea k el puntaje mnimo para ingresar. Se tiene P( X k) 0,123 , luego P( X k) 0,877 . Estandak 1 200
X 1 200 k 1 200
rizando tendremos que P
P Z
0,877
300
300
300
k 1 200
De lo cual, se tiene que
0,877
300
En la tabla N(0, 1) observamos que (1,16) 0 ,8770 , luego
k 1 200
1,16 , de donde k = 1 548.
300
Por lo tanto, el puntaje mnimo para ingresar debe ser 1548 puntos.
Ejemplo 132
Una compaa ha comprado una prueba para seleccionar personal. Los que han diseado la prueba
saben que las notas siguen una distribucin normal con una media de 75 puntos y una desviacin
estndar de diez puntos. Si 10 personas han sido evaluadas con esta prueba, calcule la probabilidad
de que al menos tres de ellas obtengan una nota superior a 85 puntos. Asuma independencia.
Notas
132
Ejemplo 133
Suponga que el gasto de un turista extranjero durante su estada en el Per se puede modelar con
una variable aleatoria normal con media de 1200 dlares y desviacin estndar de 300 dlares.
Calcule la probabilidad de que un turista extranjero gaste entre 1000 y 1400 dlares durante su estada.
Si se entrevista uno por uno turistas extranjeros, cul es la probabilidad de el quinto entrevistado
sea el primero que gasta ms de 1500 dlares durante su estada en el Per? Asuma independencia.
Propiedad reproductiva de la normal
De acuerdo a esta propiedad, la suma de variables aleatorias normales independientes es otra
variable aleatoria con distribucin normal.
Si X i ~ N i , i2 (i = 1, 2,, n) son variables aleatorias independientes y c1, c2, , cn son constantes reales, entonces la variable S c1 X1 c 2 X 2 ... cn X n
E (S) S c1 1 c2 2 ... cn n ci i
n
i 1
c X
n
i 1
~ N S ; S2 , donde:
Var (S) S2 c12 12 c22 22 ... cn2 n2 ci2 i2

n
i 1
En particular, si X1, X2, X3,...Xn son variables aleatorias independientes e idnticamente distribuidas, tales que Xi ~ N(, 2) (i = 1, 2,, n) entonces la variable:
S X1 X 2 ... X n
X
n
i 1
~ N S n ; S2 n 2
Sean X1, X2, X3,...Xn variables aleatorias independientes e idnticamente distribuidas, tales que Xi
~ N(, 2) (i = 1, 2,, n) entonces la variable:
X
Notas
X1 X 2 ... X n 1
n
n
i 1
X i ~ N X ; X2
n
Ejemplo 134
133
Sean X ~ N(5, 6) e Y ~ N(4, 10) variables aleatorias independientes, calcular la distribucin de las siguientes variables:
W = 2X +Y
W = 4X - 5Y
Ejemplo 135
El peso de un adulto peruano puede modelarse con una variable aleatoria normal. El peso medio
para los varones es de 72 kilos y de 64 kilos para las mujeres, mientras que sus desviaciones estndar
fueron de 8 kilos y 4 kilos respectivamente.
a. Si se elige, al azar, a un hombre y una mujer, calcular la probabilidad de que la mujer pese ms
que el hombre.
b. Si se elige a dos hombres y a tres mujeres, calcular la probabilidad de que la suma total de pesos
supere los 340 kilos.
Notas
134
c. Si en un determinado grupo de peruanos el 60% son hombres y de este grupo se elige una persona al azar, cul es la probabilidad de que la persona elegida pese entre 65 y 72 kilos?
d. Si se seleccionan al azar doce hombres adultos peruanos, cul es la probabilidad de que la media de sus pesos sea menor a 75 kilos?
Notas
135
Ejercicios
55. La duracin de un lser semiconductor a potencia constante tiene una distribucin exponencial
con una media de 7000 horas.
a) Cul es la probabilidad de que el lser falle antes de 6800 horas?
b) Cul es la duracin en horas excedida por el 90% de los lseres?
c) Si se hace uso de tres lseres en un producto y se supone que fallan de manera independiente, cul es la probabilidad de que por lo menos uno de ellos siga funcionando despus de
7200 horas?
56. Sea T una variable aleatoria continua que tiene distribucin exponencial con desviacin estndar . Probar que P(t T t + h) < P(T h), para t y h constantes positivas.
57. Un programa para realizar operaciones aritmticas aproxima el valor resultante al nmero al
entero ms prximo; el error cometido en esta aproximacin se modela con una variable aleatoria uniforme en el intervalo [-0,5 ; 0,5]. Suponga que el programa realiza operaciones aritmticas constantemente y de manera independiente. Calcule la probabilidad de que el programa
realice menos de 95 operaciones hasta que ocurra el segundo error de aproximacin con valor
absoluto menor a 0,01.
58. Despus de realizar un estudio se determin que las llegadas a un cajero automtico se pueden
modelar con una distribucin de Poisson con una media de 5,2 clientes por hora.
a) Si un cliente acaba de llegar a este cajero automtico, cul es la probabilidad de que transcurran ms de 15 minutos hasta la llegada del prximo cliente?
b) Calcule la probabilidad de que pase ms de una hora hasta la llegada del cuarto cliente.
59. Si una mquina de una imprenta se malogra, sta puede destinarse a uno de dos talleres A o B
para su reparacin. El tiempo de reparacin en el taller A es una variable normal con una media
de 5 horas y una desviacin estndar de 3 horas. El tiempo de reparacin en el taller B es una
variable aleatoria normal con una media de 7 horas y una desviacin estndar de 2 horas.
a) En qu taller es ms probable que la mquina se repare en menos de 8 horas?
b) Calcule la probabilidad de que la reparacin demore ms en el taller B que en el taller A.

60. El peso en gramos de los jabones fabricados por una empresa se modela con una variable aleatoria uniforme con media 120 g y varianza 12 g2. Un jabn se considera defectuoso si su peso es
menor de 115 g o mayor de 124 g. En el control de calidad, los jabones se pesan uno por uno.
Calcular la probabilidad de que se necesite pesar ms de 10 jabones hasta encontrar el primer
jabn defectuoso.
61. Los sueldos mensuales, en miles de dlares, de los directivos de una multinacional se modelan
con una distribucin N(10, 1) mientras que los del resto de personal se modelan con una N(4, 2).
Si se extrae una muestra aleatoria de 10 directivos y de 20 empleados no directivos:
a) Calcule la probabilidad de que el sueldo total de los 10 directivos de la muestra sea mayor a
105 mil dlares.
b) Cul es la probabilidad de que el sueldo medio mensual de los directivos de la muestra supere al correspondiente de la muestra de empleados no directivos en ms de 5 000 dlares?
Notas
136
62. El porcentaje de determinado compuesto, contenido en un galn de cierto lquido industrial, se

modela con una distribucin normal con una media de 15% y una desviacin estndar de 3%. El
fabricante del lquido obtiene una utilidad neta por galn de $0,15 si el porcentaje del compuesto est entre 9% y 21%, mientras que la utilidad es de $0,10 si el porcentaje vara entre 21% y
27%. Cuando el porcentaje est entre 3% y 9%, el fabricante sufre una prdida de $0,05. Calcular la utilidad esperada por galn.
63. Por estudios anteriores se sabe que la resistencia a la tensin de los puntos de soldadura producidos por una soldadora robot se puede modelar con una variable aleatoria normal con media
de 10000 psi y desviacin estndar de 800 psi. Para una muestra aleatoria simple de 40 de estas
soldaduras, cul es la probabilidad de que al menos 12 de ellas tengan una resistencia a la tensin mayor a 10500 psi?
64. En un estudio de evaluacin de la atencin de un servicio de cafeteras se encontr que los
tiempos, en minutos, que tardan en atender a un cliente las cafeteras A y B se pueden modelar
con las variables aleatorias X ~ N(4,9) y Y ~ N(5,16) respectivamente y de manera independiente. Si en cada cafetera son atendidas 20 personas, halle la probabilidad de que el tiempo total
de atencin en la cafetera B sea mayor que el de la cafetera A.
65. Una familia tiene tres hijos. El monto de la propina semanal que se le da a cada hijo puede modelarse como una variable normal. Al menor se le da en media 20 nuevos soles por semana con
una desviacin estndar de 3 nuevos soles, al segundo hijo se le da el doble que al menor y al
mayor se le da el triple que al menor. Calcular la probabilidad de que en cuatro semanas la suma total recibida en propinas por los tres sume ms de 500 nuevos soles.
66. Los pesos de los posibles usuarios de un ascensor constituyen una poblacin cuya distribucin
es normal con media 70 kg y una desviacin estndar de 10 kg.
a) Qu peso mximo debera poder soportar el ascensor de modo que slo el 1% de las ocasiones el peso de cuatro personas supere ese peso mximo?
b) Si el ascensor admite como peso mximo 585 kg, cuntas personas a la vez pueden entrar al
ascensor de manera que sea 0,0668 la probabilidad de que el peso no supere el mximo permitido?
67. El ingreso mensual de las socias de una cooperativa se modela por una variable aleatoria normal
con media de 2800 nuevos soles y desviacin estndar de 500 nuevos soles. Si 10 de las socias
han decidido que destinarn el 3% de sus ingresos para constituir un fondo comn que sirva para posibles emergencias, calcule la probabilidad de que en un ao el fondo tenga ms de 10 mil
nuevos soles.
Notas

Estadística para Ingeniería - Variable Aleatoria

Cargado por

Copyright:

Formatos disponibles

Estadística para Ingeniería - Variable Aleatoria

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadística para Ingeniería - Variable Aleatoria

Cargado por

Copyright:

Formatos disponibles

Estadstica para Ingeniera

Variables aleatorias y modelos o distribuciones

2.5. Variable aleatoria

Rango de la variable aleatoria

Es el conjunto de los valores posibles de la variable aleatoria, es decir, RX { X (w ) / w }

Tipos de variable aleatoria

Indique el tipo de la variable aleatoria y su rango.

W = nmero de libros defectuosos en un lote

S = Nmero de candidatos entrevistados hasta encontrar el tercero apto para un puesto

M = Nmero de crditos hipotecarios aprobados de 12 que fueron evaluados.

Estadstica para Ingeniera

El evento ( X a) se define como ( X a) { w / X (w) a }

Se define en la variable aleatoria X = nmero de caras obtenidas.

El rango de RX = {0, 1, 2}, entonces, X es una variable aleatoria discreta.

El evento (X = 1) = el nmero de caras obtenidas es uno = {(c,s), (s,c)}

2.6. Variable aleatoria discreta

Una variable aleatoria es discreta si su rango es un conjunto finito o infinito numerable. Si x es un

Distribucin de probabilidad de una variable aleatoria discreta

f x (RX = rango de la variable aleatoria X)

Estadstica para Ingeniera

b. Calcular la probabilidad de que en un da cualquiera sean rechazados ms de tres expedientes por

c. Calcular la probabilidad de que en un da cualquiera sean rechazados a lo ms dos expedientes

Estadstica para Ingeniera

2.7. Variable aleatoria continua

Funcin de densidad de una variable aleatoria continua

P(a X b) P(a X b) P(a X b) P(a X b)

Estadstica para Ingeniera

f ( x) dx 0,25 . La probabilidad de que las ventas en un da cualesquiera sean me5

nores a 5 000 nuevos soles es de 0,25.

P( X 8) f (x) dx 0,36 . La probabilidad de que las ventas en un da cualesquiera sean de al

menos 8 000 nuevos soles es de 0,36.

b. Si se elige al azar a un hombre adulto de 40 aos, calcule la probabilidad de que su porcentaje de

Distribucin de probabilidad de una variable aleatoria

La distribucin de probabilidad de una variable aleatoria X se denota f(x) y es:

la funcin de probabilidad de X, si X es discreta

Estadstica para Ingeniera

2.8. Funcin de distribucin acumulada de una variable aleatoria

La funcin de distribucin acumulada de la variable aleatoria X, es una funcin F : IR IR , tal que

Si X es una variable continua con funcin de densidad de probabilidad f(x)

Si x1 x2 entonces F(x1) F(x2)

Si la variable X es continua se cumple que

La funcin de distribucin acumulada de la variable aleatoria X es:

Estadstica para Ingeniera

Halle el valor de k. Encuentre y grafique la funcin de distribucin acumulada de X.

a. Determine la funcin de distribucin acumulada de la variable aleatoria X.

c. Use la funcin de distribucin acumulada para calcular el rango intercuartil de X.

Estadstica para Ingeniera

Determine el valor de la constante c y la funcin de distribucin acumulada de la variable X.

2.9. Esperanza y varianza de una variable aleatoria

Si X es una variable aleatoria continua:

Estadstica para Ingeniera

Determine k. Calcule e interprete el valor esperado de X.

Dada la siguiente funcin de densidad de probabilidad de la variable aleatoria X

Calcule el valor esperado de X

Esperanza de una funcin de variable aleatoria

Si X es una variable aleatoria discreta, entonces:

Si X es una variable aleatoria continua:

Estadstica para Ingeniera